Portada

Haz clic para ver más

Logo MTT Logo UDD IDS

Antes y después del fin de la reversibilidad en Av. Andrés Bello: Un enfoque desde la movilidad urbana usando datos XDR.

Santiago de Chile, 14 de Julio de 2025.

1. Introducción

Haz clic para ver más

Este informe documenta el trabajo realizado en el marco del proyecto, orientado a analizar los patrones de viaje urbano en Santiago de Chile, con énfasis en la Avenida Andrés Bello, antes y después del término de la política de reversibilidad vehicular.

El objetivo principal es caracterizar los cambios en el uso de la avenida y sus usuarios durante los años 2023 (con reversibilidad) y 2024 (sin reversibilidad), mediante el análisis masivo de registros de conexiones móviles (XDR), enriquecidos con atributos espaciales y temporales. Particular atención se dedica a identificar perfiles de usuarios, flujos AM/PM, direcciones de desplazamiento, y su relación con zonas de residencia y trabajo.

El estudio emplea técnicas avanzadas de procesamiento distribuido en PySpark, permitiendo escalar el análisis a miles de millones de registros. Se implementó un pipeline optimizado que permite reconstruir trayectorias, etiquetar viajes relevantes y agregarlos en distintas dimensiones analíticas (tipo de usuario, día, sentido, comuna, etc.).

Todos los datos utilizados en este estudio están debidamente anonimizados y tratados de forma agregada, cumpliendo con estándares de privacidad y protección de datos personales. No se accede a identidades reales ni se realiza seguimiento individualizado. El procesamiento de los datos se realizó íntegramente en un servidor privado de alto rendimiento perteneciente a la Universidad del Desarrollo (UDD), lo cual entrega una capa adicional de seguridad y control sobre los flujos de información sensibles.

Este trabajo corresponde a una etapa inicial exploratoria, cuyo propósito fue evaluar la viabilidad técnica y metodológica de obtener patrones de movilidad útiles a partir de datos de red móvil. El objetivo a largo plazo es desarrollar un sistema que permita anticipar, de forma costo-efectiva, el impacto que podría tener una medida como la eliminación o implementación de reversibilidad vial. Dado que los estudios tradicionales que fundamentan estas decisiones suelen implicar altos costos y largos plazos de ejecución, esta metodología ofrece la posibilidad de generar evidencia preliminar temprana, que actúe como insumo para decidir si vale la pena encargar o no una evaluación formal de impacto vial.

2. Descripción de los datos

Haz clic para ver más

2.1. Datos XDR

Los registros de tipo XDR (eXtended Data Records) utilizados en este estudio corresponden a eventos de conexión móvil generados por usuarios al interactuar con la red celular de Telefónica Chile. Estos eventos pueden representar conexiones de datos o señales de localización, y se caracterizan por estar georreferenciados a través de una torre celular (bts_id) y un identificador de celda (cell_id), junto con un timestamp preciso.

Los datos usados corresponden al mes de abril para los años 2023 y 2024, exclusivamente para usuarios ubicados en el área urbana de Santiago, con una frecuencia y granularidad suficientes para reconstruir trayectorias de viaje. En total, el volumen de registros supera los 2.200 millones, lo cual motivó el uso exclusivo de procesamiento distribuido sobre Spark.

Cada registro XDR contiene al menos los siguientes campos relevantes para el análisis:

El preprocesamiento incluyó:

Dado el volumen y el detalle de los registros, esta capa representa la base sobre la cual se construyen todas las etapas posteriores del análisis. La calidad de estos datos es crítica, ya que cualquier error en la temporalidad o georreferenciación podría afectar la detección de trayectorias, cálculo de velocidades, o segmentación por periodo y sentido.

2.2. Antenas y torres

El análisis de movilidad se sustenta en la correcta georreferenciación de los eventos XDR, lo que requiere contar con una base de torres celulares (bts_id) asociadas a sus respectivas celdas (cell_id) y coordenadas geográficas. Para ello, se utilizó un dataset externo que contiene la localización precisa de cada torre y la lista de celdas que la componen.

Cada torre fue representada como un punto geográfico con coordenadas en el sistema de referencia EPSG:4326, permitiendo su integración con capas geográficas urbanas, zonas EOD y buffers espaciales personalizados sobre la Avenida Andrés Bello.

Los pasos realizados sobre esta base fueron:

Este dataset es esencial para varios componentes del análisis:

Además, esta base sirvió como nexo para unir los eventos XDR con capas adicionales como zonas EOD, comunas urbanas y clusters de actividad, lo que habilita análisis comparativos más robustos.

Representación de torres y buffer alrededor de Av. Andrés Bello

Gráfico de elaboración propia

2.3. Información geográfica

Para enriquecer el análisis de movilidad con contexto territorial, se integraron dos capas geográficas clave: comunas urbanas de Santiago y una capa personalizada de buffers espaciales construidos sobre la Avenida Andrés Bello.

Comunas urbanas

Se utilizó una capa poligonal oficial que define los límites de las comunas urbanas del Gran Santiago. Esta capa permitió:

Buffers y geometrías sobre Av. Andrés Bello

Dado que la Avenida Andrés Bello es un eje lineal de alta movilidad, se construyó una geometría de control compuesta por:

A cada segmento se le asignó un identificador (tramo_id), lo cual permitió:

Segmentos perpendiculares sobre Av. Andrés Bello

Gráfico de elaboración propia

Para este estudio, la Avenida Andrés Bello fue delimitada entre los siguientes extremos geográficos:

Estas geometrías fueron esenciales para detectar los viajes relevantes al estudio y permitir comparaciones pre y post reversibilidad

3. Pipeline de procesamiento

Haz clic para ver más

3.1. Construcción de transiciones y actividades

A partir de los eventos ordenados cronológicamente por usuario, se construyó un conjunto de transiciones espaciales entre torres consecutivas, con el fin de estimar movimientos y velocidades entre puntos de conexión.

Cada transición incluye:

Estas transiciones fueron agrupadas en secuencias de eventos que permitieron distinguir entre trayectos activos y momentos de inactividad. Para ello, se aplicó una clasificación binaria is_trip a cada transición, según reglas heurísticas:

Posteriormente, se construyó el campo activity_id, un identificador acumulativo por usuario que cambia cada vez que se detecta una transición de estado (de no viaje a viaje o viceversa). Esto permitió segmentar cada secuencia de eventos en bloques consistentes:

Este enfoque permitió conservar la estructura secuencial de los datos, respetando la temporalidad y sin necesidad de ventanas móviles artificiales.

3.2. Generación de viajes

Una vez segmentadas las actividades individuales de cada usuario, se extrajeron aquellas clasificadas como trayectos (is_trip = 1) para construir el conjunto consolidado de viajes (trips_df).

Cada viaje se definió como una secuencia continua de eventos de desplazamiento entre torres, y fue identificado por la combinación de id_usuario y activity_id. Para cada viaje se extrajeron los siguientes atributos clave:

Estos viajes fueron almacenados en un DataFrame particionado por año, mes y día, para facilitar su lectura eficiente en etapas posteriores.

Paralelamente, se construyó el dataset trip_segments_df, que contiene todas las transiciones individuales clasificadas como parte de un viaje. Este archivo permite:

Ambos datasets son claves para los análisis posteriores: trips_df se utiliza para agrupar, clasificar y visualizar viajes, mientras que trip_segments_df permite trazabilidad y reconstrucción detallada cuando es necesario.

3.3. Enriquecimiento espacial

Una vez definidos los viajes individuales, se procedió a incorporar información adicional relacionada con su localización y contexto temporal. Este enriquecimiento permitió filtrar los viajes relevantes para el estudio, en particular aquellos que recorren la Avenida Andrés Bello.

Identificación de viajes por Av. Andrés Bello

Para determinar si un viaje pasó por Andrés Bello, se utilizó la capa de segmentos perpendiculares creados a lo largo del eje vial. Cada segmento cuenta con un identificador único (tramo_id) y fue construido como un rectángulo de 150x600 metros, separado 200 metros del siguiente.

Se definió como viaje por Andrés Bello (viaja_por_ab = 1) a aquel que:

Este criterio evita falsos positivos causados por movimientos cercanos pero no alineados al eje vial.

Cálculo del sentido del viaje

Se determinó el sentido de desplazamiento de cada viaje que cruzó Andrés Bello, comparando el orden de los tramo_id:

Esto permite clasificar los flujos en dos grandes direcciones sin necesidad de conocer el punto de origen ni destino absoluto del viaje.

El campo flujo_ab incluye tres categorías:

Asignación de atributos temporales

Se incorporaron también variables temporales clave:

Estas etiquetas permiten agrupar viajes por contexto horario y evaluar patrones diferenciados entre mañanas y tardes, así como días de semana versus fines de semana.

3.4. Ubicación residencial y laboral

Para caracterizar los patrones de movilidad de los usuarios más allá de los trayectos individuales, se estimaron sus zonas de residencia y trabajo a partir de su comportamiento agregado en distintos días y horarios.

Metodología

El procedimiento se basó en detectar las torres más frecuentadas por cada usuario en franjas horarias específicas, aplicando un enfoque por ventanas temporales y frecuencia de conexión:

Ambas ubicaciones se registraron como cell_id, bts_id, y su geometría correspondiente (geometry_home, geometry_work), lo cual permitió su uso en análisis espaciales posteriores.

Para este análisis se consideraron únicamente los usuarios con información directa de ubicación de residencia (home_bts_id) y/o trabajo (work_bts_id) en el año correspondiente a cada viaje. No se aplicaron imputaciones cruzadas entre años ni reemplazos por datos alternativos (como usar work en lugar de home), con el fin de garantizar que todos los resultados reflejen únicamente información observada. Esto asegura una interpretación más precisa, aunque implica que ciertas zonas pueden estar subrepresentadas si la información está incompleta.

Aplicaciones analíticas

La localización de hogar y trabajo fue clave para:

Estos atributos están integrados en el dataset principal de usuarios, y permiten cruzar cada viaje con su contexto espacial más estable.

4. Perfiles de usuario

Haz clic para ver más

4.1. Clustering por intensidad de uso

Para caracterizar la diversidad de comportamiento entre los usuarios que transitan por la Avenida Andrés Bello, se aplicó una estrategia de segmentación basada en aprendizaje no supervisado.

A partir de dos variables clave:

se construyó un modelo de clustering para identificar perfiles de uso sin imponer categorías predefinidas.

Previo al entrenamiento, los datos fueron normalizados y filtrados de outliers para asegurar estabilidad de las métricas. Se evaluaron múltiples algoritmos de agrupamiento: K-Means, Gaussian Mixture Models (GMM) y Aglomerativo, seleccionando finalmente K-Means por su simplicidad interpretativa y su alto desempeño cuantitativo, con un Silhouette Score de 0.8627.

El modelo fue entrenado con los usuarios del año 2023, y posteriormente aplicado a los usuarios del año 2024 manteniendo los mismos parámetros y rangos, lo cual permite comparaciones directas entre ambos años sin sesgo por reentrenamiento.

Se identificaron tres perfiles principales de usuarios:

Esta clasificación se encuentra registrada en el campo cluster_km, y fue empleada en los análisis interanuales, comparaciones por comuna, persistencia de usuarios y visualizaciones de trayectorias.

Para validar que los perfiles generados mediante clustering (bajo, medio y alto) reflejan diferencias reales en los patrones de comportamiento, se presenta a continuación los box plot de las variables (num_viajes) y (dias_distintos). Estas distribuciones confirman que los grupos capturan comportamientos crecientemente intensivos.

Distribución de variable num_viajes por perfil uso

Gráfico de elaboración propia

Los usuarios del perfil bajo presentan una concentración extrema de valores cercanos al mínimo (1 viaje). El perfil medio muestra una mediana en torno a 2–3 viajes, con ligera dispersión hacia valores más altos. El perfil alto se caracteriza por una mayor dispersión y una mediana más elevada (5 viajes), evidenciando una frecuencia de uso significativamente mayor.

Distribución de variable dias_distintos por perfil uso

Gráfico de elaboración propia

El perfil bajo está acotado a 1 día de actividad, lo que indica comportamiento esporádico. El perfil medio se sitúa entre 2 y 3 días distintos, con poca variabilidad. En contraste, el perfil alto muestra una distribución más amplia, centrada entre 4 y 6 días, con casos extremos que alcanzan 10 o más días activos. Esto demuestra que los usuarios intensivos no solo realizan más viajes, sino que lo hacen con mayor regularidad a lo largo del mes.

5. Variación usuarios y viajes

Haz clic para ver más

5.1. Cambios globales 2023 vs 2024

Con el objetivo de evaluar el impacto del término de la reversibilidad en Avenida Andrés Bello, se realizó una comparación cuantitativa entre los meses de abril de 2023 (con reversibilidad) y abril de 2024 (sin reversibilidad), utilizando métricas consolidadas de todos los viajes y usuarios.

Variaciones en volumen de datos

Al aplicar filtros de paso por Av. Andrés Bello, horario AM/PM y sentido del flujo, se observó:

Variación general de usuarios y viajes

categoría 2023 2024 variación %
usuarios únicos 18.250 11.884 -34,88
total viajes 23.449 15.555 -33,66
viajes/usuario 1,28 1,31 1,87

Tabla de elaboración propia

A pesar de la fuerte caída en la cantidad de usuarios y viajes, el promedio de viajes por usuario se mantuvo constante o incluso subió levemente, lo que sugiere que los usuarios más intensivos siguieron usando la vía.

Cambios en usuarios únicos por sentido y periodo

La siguiente tabla descompone la cantidad de usuarios únicos según el sentido del flujo y la franja horaria (AM/PM).

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 3.253 2.159 -33,63 %
PM 7.237 4.403 -39,16 %
poniente a oriente AM 4.618 3.081 -33,28 %
PM 5.521 3.800 -31,17 %

Tabla de elaboración propia

El impacto de la reversibilidad parece haber sido más fuerte en el periodo PM, especialmente en el flujo oriente a poniente, lo que podría indicar una reorganización del viaje de retorno tras la jornada laboral.

Cambios en volumen de viajes por sentido y periodo

Aquí se compara la cantidad total de viajes en cada combinación de sentido y franja horaria:

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 3.647 2.504 -31,34 %
PM 8.344 5.172 -38,02 %
poniente a oriente AM 5.171 3.527 -31,79 %
PM 6.287 4.352 -30,78 %

Tabla de elaboración propia

Nuevamente, el periodo PM muestra las caídas más grandes, lo que refuerza la idea de que el término de la reversibilidad impactó más en los trayectos de retorno.

Variación en intensidad: viajes por usuario

Este cuadro muestra la intensidad de uso promedio (viajes por usuario) en cada combinación:

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 1,12 1,16 3,45 %
PM 1,15 1,17 1,88 %
poniente a oriente AM 1,12 1,14 2,23 %
PM 1,14 1,15 0,57 %

Tabla de elaboración propia

Si bien el número de usuarios cae, los que permanecen realizan una cantidad similar o incluso levemente superior de viajes. Esto refuerza la hipótesis de desaparición de usuarios ocasionales, con retención de perfiles más intensivos.

Distribución de usuarios por perfil de uso

La tabla muestra cómo varió la composición de usuarios por clúster:

perfil 2023 2024 variación %
bajo 15.544 9.981 -35,79 %
medio 2.304 1.571 -31,81 %
alto 402 332 -17,41 %

Tabla de elaboración propia

El perfil alto de uso fue el menos afectado por la caída. Esto sugiere que los usuarios con viajes sistemáticos mantuvieron su patrón, mientras que los perfiles más esporádicos fueron los más impactados.

Distribución de viajes por perfil de uso

Finalmente, se analiza la distribución de viajes por tipo de usuario:

perfil 2023 2024 variación %
bajo 15.870 10.091 -36,41 %
medio 5.316 3.623 -31,85 %
alto 2.263 1.841 -18,65 %

Tabla de elaboración propia

La caída en cantidad de viajes sigue el mismo patrón: los usuarios bajos reducen drásticamente su volumen, mientras que los usuarios altos mantienen gran parte de su movilidad.

Promedio de viajes por usuario según perfil de uso

Esta tabla muestra la relación promedio de viajes por usuario dentro de cada perfil, permitiendo observar si la intensidad individual cambió, más allá del volumen total.

perfil 2023 2024 variación %
bajo 1,02 1,01 -0,97 %
medio 2,31 2,31 -0,05 %
alto 5,63 5,55 -1,50 %

Tabla de elaboración propia

El número de viajes promedio por usuario se mantuvo prácticamente constante en todos los perfiles, con variaciones menores al 2%. Esto refuerza la idea de que el cambio estructural vino por la pérdida de usuarios, y no por un cambio en la conducta individual de quienes permanecieron activos.

5.2 Cambios en usuarios en la cohorte estable

En esta sección se analiza exclusivamente a los 1.871 usuarios que estuvieron presentes tanto en abril de 2023 como en abril de 2024. Esto permite evaluar cambios de comportamiento dentro de una misma población, eliminando la influencia de usuarios que aparecen o desaparecen entre años.

El total de viajes realizados por esta cohorte se redujo de 3.713 en 2023 a 3.474 en 2024, lo que representa una caída moderada del 6,44%.

A diferencia de la caída global observada en la sección anterior, que fue superior al 30%, la disminución en la cohorte estable es más acotada, lo que sugiere que los cambios generales se explican principalmente por la desaparición de usuarios esporádicos o marginales.

Cambios por flujo y periodo

El desglose por sentido y franja horaria muestra que los usuarios únicos de la cohorte disminuyeron ligeramente en casi todas las combinaciones, pero sin grandes variaciones:

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 505 453 -10,30 %
PM 853 781 -8,44 %
poniente a oriente AM 591 573 -3,05 %
PM 706 684 -3,12 %

Tabla de elaboración propia

En cuanto al volumen de viajes, los patrones son similares, con caídas del orden de -7% a -8% en oriente a poniente, y valores casi estables en poniente a oriente (especialmente en AM, donde apenas varía un -0,39%).

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 673 615 -8,62 %
PM 1.229 1.138 -7,40 %
poniente a oriente AM 778 775 -0,39 %
PM 1.033 946 -8,42 %

Tabla de elaboración propia

Los datos sugieren una leve contracción del uso en la cohorte estable, especialmente en dirección oriente a poniente, que podría relacionarse con un cambio en los modos de transporte utilizados en el retorno a casa.

Viajes promedio por usuario

Al analizar la intensidad de uso (viajes por usuario), se observa lo siguiente:

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 1,33 1,36 1,87 %
PM 1,44 1,46 1,13 %
poniente a oriente AM 1,32 1,35 2,74 %
PM 1,46 1,38 -5,48 %

Tabla de elaboración propia

Aunque los viajes totales bajaron, los usuarios que se mantuvieron tienden a conservar sus hábitos, con aumentos marginales en la mañana y una caída puntual en la tarde hacia el oriente. Esto podría estar relacionado con trayectos alternativos.

En conjunto, estos resultados sugieren que los cambios observados en el conjunto total se explican más por composición de usuarios que por modificaciones de comportamiento en quienes se mantienen activos.

Reducción transversal fuera de horarios punta

Para descartar que la caída en el uso de Andrés Bello esté vinculada exclusivamente a los horarios punta, se analizó también el comportamiento en los periodos intermedios y nocturnos, es decir, fuera de las franjas AM y PM con los siguientes resultados.

categoría 2023 2024 variación %
usuarios únicos 23.891 17.850 -25,29 %
total de viajes 32.903 25.512 -22,46 %

Tabla de elaboración propia

La caída en la cantidad de usuarios y viajes fuera de AM/PM confirma que el fenómeno observado no se limita a los horarios punta, sino que refleja una reducción transversal en el uso del corredor a lo largo del día. Esto refuerza la hipótesis de una menor dependencia general de Andrés Bello como eje articulador tras la eliminación de la reversibilidad.

5.3 Transiciones de perfil de uso (cohorte estable)

Para entender cómo evolucionó el comportamiento de los usuarios que estuvieron presentes en ambos años (cohorte estable), se construyó un gráfico de tipo Sankey que visualiza las transiciones de perfil de uso entre abril de 2023 y abril de 2024.

Cada nodo representa un grupo de usuarios según su perfil (bajo, medio, alto), y cada flujo entre nodos indica cuántos usuarios cambiaron (o no) de perfil. Además, se incluyen las variaciones promedio de viajes por mes y días activos por usuario para cada transición. El gráfico permite observar si los usuarios se mantuvieron estables, aumentaron o redujeron su nivel de uso, más allá de la cantidad absoluta de viajes.

Simbología de colores:
Aumento de uso: usuarios que pasaron a un perfil más intensivo en 2024.
Sin cambio de uso: usuarios que mantuvieron su perfil entre años.
Disminución de uso: usuarios que redujeron su intensidad de uso.

Nota: El orden vertical de los nodos no representa jerarquía. Para identificar las transiciones, observe las etiquetas y colores según la simbología incluida. Cada flujo representa la cantidad de usuarios que pasó de un perfil a otro, junto con variaciones promedio en viajes diarios (Δ viajes) y días activos (Δ días).

Transiciones de perfiles de usuario: abril 2023 → abril 2024

Gráfico de elaboración propia

Estabilidad mayoritaria, pero no dominante: 3 de las 9 transiciones representan usuarios que no cambiaron de perfil (bajo→bajo, medio→medio, alto→alto), sumando 1.075 usuarios (≈ 57.5 % del total). La mayoría mantuvo comportamiento, pero un 42.5 % cambió de perfil.

Transiciones descendentes: tendencia dominante: Las tres mayores caídas de perfil (alto→bajo, alto→medio, medio→bajo) involucran a 451 usuarios. Estas transiciones muestran fuertes reducciones en actividad, con caídas promedio de hasta −4 viajes y −3 días activos (alto→bajo).

Pocas, pero claras transiciones ascendentes: Casos como bajo→alto (47 usuarios) y medio→alto (68 usuarios) presentan los mayores incrementos en viajes y días activos, con subidas promedio de hasta +3 días.

Estabilidad más común en perfiles bajos: El mayor grupo es bajo→bajo con 803 usuarios (≈ 43 % del total), todos con cero variación promedio. Esto sugiere un uso marginal y sostenido, sin afectación significativa del cambio vial.

En conjunto, los resultados indican que, si bien más de la mitad de los usuarios mantuvo su perfil, existe una fracción importante que redujo su intensidad de uso en 2024. Este fenómeno se alinea con los descensos globales observados en viajes, y refuerza la hipótesis de un ajuste moderado en la conducta de parte de los usuarios estables.

6. Ubicación residencial y laboral

Haz clic para ver más

Con el objetivo de enriquecer el análisis de movilidad, se identificaron las zonas de residencia (home_location) y trabajo (work_location) de los usuarios que transitaron por la Avenida Andrés Bello. A partir de estos puntos, se generaron visualizaciones espaciales y flujos home→work que permiten entender el rol de Andrés Bello en los trayectos cotidianos.

6.1 Cálculo de ubicación residencial y laboral

El siguiente gráfico presenta una matriz de combinaciones entre las ubicaciones de residencia y trabajo de los usuarios que realizaron viajes por Av. Andrés Bello en los años 2023 y 2024. Cada fila representa el estado del identificador de residencia (home_bts_id) y cada columna el estado del identificador de trabajo (work_bts_id), comparando ambos años para cada usuario.

Se incluyen las siguientes categorías:

Cada celda muestra la cantidad de usuarios que caen en esa combinación, y el color indica su magnitud.

Matriz de combinaciones ubicación residencial y laboral (2023–2024)

Gráfico de elaboración propia

Existe una gran cantidad de usuarios que carece de datos comparables entre años:
El 47% de los usuarios tiene información directa de residencia (home_bts_id) o trabajo (work_bts_id) en ambos años. Esto se refleja en que la matriz muestra combinaciones para aproximadamente 13.946 usuarios de un total de 28.263, lo que confirma la necesidad de limitar los análisis comparativos a casos bien observados.

Estabilidad en el grupo con datos completos:
Entre los usuarios que tienen tanto home como work en ambos años: 8.701 mantuvieron la misma residencia y lugar de trabajo (mismo_home y mismo_work), es decir, un 62% del subconjunto con datos completos. Esto sugiere que existe una base estable que puede utilizarse para análisis longitudinales confiables.

Movilidad entre años: 5.299 cambiaron de residencia (distinto_home) y 5.188 cambiaron de lugar de trabajo (distinto_work).

Presencia de registros unilaterales por año: 3.812 usuarios tienen solo home_bts_id en 2023 y 2.134 tienen solo home_bts_id en 2024. Casos unilaterales en work_bts_id son mucho menos frecuentes (solo 7 en 2023 y 14 en 2024). Esto puede reflejar rotación en la base de usuarios, cambios de cobertura o comportamiento esporádico de algunos individuos.

6.2 Cambios en ubicación residencial y laboral: 2023 vs 2024

Esta sección contiene mapas y tablas con comparativas anuales respecto de las comunas de hogar y trabajo de los usuarios de Andrés Bello.

Home Location de usuarios de Andrés Bello

Gráfico de elaboración propia

Top 5 comunas residenciales con mayores diferencias absolutas

comuna Q 2023 Q 2024 Δ cantidad % % 2023 % 2024 Δ puntos % Δ absoluta
PROVIDENCIA 3.594 2.911 -19,00 19,69 24,50 4,80 4,80
SANTIAGO 2.751 1.659 -39,69 15,07 13,96 -1,11 1,11
LAS CONDES 1.501 887 -40,91 8,22 7,46 -0,76 0,76
ÑUÑOA 1.153 826 -28,36 6,32 6,95 0,63 0,63
VITACURA 686 373 -45,63 3,76 3,14 -0,62 0,62

Tabla de elaboración propia

Ver anexo "Distribución por comuna de residencia" con todas las comunas.

Work Location de usuarios de Andrés Bello

Gráfico de elaboración propia

Top 5 comunas laborales con mayores diferencias absolutas

comuna Q 2023 Q 2024 Δ cantidad % % 2023 % 2024 Δ puntos % Δ absoluta
PROVIDENCIA 6.858 4.956 -27,73 37,58 41,70 4,13 4,13
LAS CONDES 2.106 1.102 -47,67 11,54 9,27 -2,27 2,27
VITACURA 955 401 -58,01 5,23 3,37 -1,86 1,86
LO BARNECHEA 484 226 -53,31 2,65 1,90 -0,75 0,75
RECOLETA 561 429 -23,53 3,07 3,61 0,54 0,54

Tabla de elaboración propia

Ver anexo "Distribución por comuna de trabajo" con todas las comunas.

6.3 Flujos entre hogar y trabajo

Esta sección presenta la distribución espacial de los viajes laborales intercomunales, considerando el lugar de residencia (home) y el lugar de trabajo (work) de cada usuario. Los mapas de flujo permiten visualizar de forma intuitiva las rutas más frecuentes, destacando los principales orígenes y destinos laborales del eje.

Complementariamente, las tablas comparativas resumen los flujos hogar-trabajo en términos cuantitativos, contrastando los valores absolutos y relativos entre los años 2023 y 2024. Para cada combinación comuna_origen → comuna_destino se muestran:

Flujo entre home y work location de usuarios de Andrés Bello

Gráfico de elaboración propia

Comparativa de flujos hogar → trabajo (Top 20 cambios)

comuna_home comuna_work Q 2023 % 2023 Q 2024 % 2024 Δ cantidad % Δ puntos % Δ absoluta
PROVIDENCIA PROVIDENCIA 2.549 13,97 2.068 17,40 -18,87 3,43 3,43
ÑUÑOA PROVIDENCIA 281 1,54 271 2,28 -3,56 0,74 0,74
SANTIAGO LAS CONDES 292 1,60 110 0,93 -62,33 -0,67 0,67
LAS CONDES LAS CONDES 735 4,03 419 3,53 -42,99 -0,50 0,50
SANTIAGO VITACURA 139 0,76 37 0,31 -73,38 -0,45 0,45
PROVIDENCIA SANTIAGO 290 1,59 230 1,94 -20,69 0,35 0,35
PROVIDENCIA LAS CONDES 234 1,28 187 1,57 -20,09 0,29 0,29
VITACURA VITACURA 317 1,74 174 1,46 -45,11 -0,27 0,27
LO BARNECHEA LO BARNECHEA 237 1,30 125 1,05 -47,26 -0,25 0,25
RENCA RENCA 186 1,02 146 1,23 -21,51 0,21 0,21
QUINTA NORMAL QUINTA NORMAL 148 0,81 71 0,60 -52,03 -0,21 0,21
SANTIAGO SANTIAGO 1.218 6,67 817 6,87 -32,92 0,20 0,20
PROVIDENCIA RECOLETA 51 0,28 56 0,47 9,80 0,19 0,19
VITACURA SANTIAGO 75 0,41 26 0,22 -65,33 -0,19 0,19
PUDAHUEL PUDAHUEL 119 0,65 55 0,46 -53,78 -0,19 0,19
SANTIAGO LO BARNECHEA 56 0,31 16 0,13 -71,43 -0,17 0,17
LAS CONDES SANTIAGO 121 0,66 59 0,50 -51,24 -0,17 0,17
MAIPÚ LAS CONDES 62 0,34 21 0,18 -66,13 -0,16 0,16
LA FLORIDA PROVIDENCIA 130 0,71 103 0,87 -20,77 0,15 0,15
SANTIAGO RECOLETA 35 0,19 41 0,35 17,14 0,15 0,15

Tabla de elaboración propia

Las siguientes observaciones se basan en los flujos con mayor cambio porcentual en su participación relativa entre 2023 y 2024.

Providencia como polo de atracción: El flujo intra-comunal en Providencia (residir y trabajar en la misma comuna) incrementó su participación en +3,43 puntos porcentuales, pasando de 13,97 % a 17,40 %. Esto ocurre a pesar de una caída en el número total de usuarios (−18,87 %), lo que sugiere una reconcentración del empleo local.

Caída en viajes hacia Las Condes: Se observan fuertes disminuciones en flujos laborales hacia Las Condes:
Santiago → Las Condes: −62,33 % en cantidad y −0,67 p.p
Maipú → Las Condes: −66,13 % en cantidad
Las Condes → Las Condes: −43,0 %.

Esto sugiere una posible descentralización de oficinas, persistencia del teletrabajo, o cambios modales tras el fin de la reversibilidad.

Contracción de flujos internos: Las siguientes comunas muestran importantes caídas en flujos laborales internos:

  • Vitacura → Vitacura: −45,11 %
  • Lo Barnechea → Lo Barnechea: −47,26 %
  • Quinta Normal → Quinta Normal: −52,03 %
  • Pudahuel → Pudahuel: −53,78 %

Esto podría reflejar pérdida de actividad laboral local, cierre de oficinas pequeñas o cambios en patrones de desplazamiento.

Flujos intra-Santiago: El flujo Santiago → Santiago sigue siendo uno de los más altos en volumen (817 usuarios en 2024). La participación relativa se mantuvo casi sin cambios (+0,20 p.p.), lo que refleja estabilidad en la autosuficiencia laboral del centro de la ciudad.

Aumentos de flujos hacia Recoleta: Aunque con menor volumen, se observa un aumento en la proporción de flujos hacia Recoleta:
Providencia → Recoleta: +0,19 p.p.
Santiago → Recoleta: +0,15 p.p.

Esto sugiere una moderada diversificación de destinos laborales, más allá del eje oriente tradicional.

Los flujos muestran una recentralización hacia Providencia, con retrocesos marcados hacia comunas del sector oriente como Las Condes y Vitacura. Santiago se mantiene relativamente estable, y aparecen señales de ajustes finos en los patrones laborales intercomunales.

7. Análisis de tramos

Haz clic para ver más

Esta sección examina cómo cambiaron las características de los viajes realizados por Av. Andrés Bello considerando tres dimensiones fundamentales: distancia recorrida, duración del trayecto, y velocidad promedio. Los resultados están desagregados por día de la semana, sentido del flujo y franja horaria (AM/PM), permitiendo observar patrones finos y variaciones sistemáticas. Cabe señalar que cuando hablamos de viajes en esta sección, estamos haciendo un zoom solo al tramo que se recorre dentro de la avenida, sin importar de donde viene o a donde se dirige luego de pasar por ella.

7.1 Distancia recorrida en la avenida

El primer análisis compara la distancia promedio recorrida por los viajes según flujo y periodo.

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 0,94 0,99 5,32 %
PM 1,22 1,30 6,56 %
poniente a oriente AM 1,20 1,25 4,17 %
PM 1,01 1,08 6,93 %

Tabla de elaboración propia

En todos los casos, los viajes por Av. Andrés Bello fueron más extensos en 2024, con aumentos de distancia promedio que oscilan entre +4,2% y +6,9% según combinación de flujo y periodo.

El incremento más alto se observó en el flujo poniente a oriente durante la tarde (PM), con un alza del 6,93%, seguido de cerca por el flujo oriente a poniente en el mismo periodo (+6,56%).

7.2 Duración del trayecto en la avenida

La siguiente tabla muestra el tiempo promedio (en minutos), que tomó completar un recorrido cualquiera dentro de la avenida.

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 15,66 17,34 10,73 %
PM 17,85 19,70 10,36 %
poniente a oriente AM 16,97 18,30 7,84 %
PM 15,95 17,80 11,60 %

Tabla de elaboración propia

La duración media de los viajes también aumentó en todos los casos, con subidas entre +7,8% y +11,6%, lo que sugiere una pérdida de eficiencia en la circulación.

El mayor aumento se registró en el flujo poniente a oriente durante la tarde (PM), con un alza del 11,60%, seguido por el flujo oriente a poniente en la mañana (+10,73%).

7.3 Velocidad en la avenida

Finalmente, se comparan las velocidades promedio (km/h) para los mismos tramos.

sentido del flujo periodo 2023 2024 variación %
oriente a poniente AM 4,27 3,92 -8,20 %
PM 4,66 4,32 -7,30 %
poniente a oriente AM 4,91 4,56 -7,13 %
PM 4,50 4,15 -7,78 %

Tabla de elaboración propia

A diferencia de las dos métricas anteriores, la velocidad promedio disminuyó en todas las combinaciones, con caídas entre −7,1% y −8,2%.

El descenso más fuerte se dio en el flujo oriente a poniente AM, con una caída del −8,20%, lo que indica una afectación más fuerte en la congestión de entrada a la ciudad.

A pesar de los viajes más largos en distancia, los usuarios tardaron más tiempo en completarlos, resultando en una disminución efectiva de la fluidez vial.

Resumen

Los resultados muestran que, tras el término de la reversibilidad, los viajes por Avenida Andrés Bello no solo disminuyeron en volumen, sino que también se transformaron en su forma: son más largos, más lentos y duran más tiempo. Aunque las distancias recorridas aumentaron ligeramente, esto no se tradujo en mayores velocidades; por el contrario, la velocidad promedio cayó de forma sistemática en casi todos los días y periodos, como se puede ver en la sección 9.2 de los anexos. Este patrón sugiere una mayor congestión o pérdida de fluidez en el corredor, especialmente en la franja AM, justo donde la reversibilidad tenía un rol más crítico.

Esta tabla contiene el resumen agregado de cada métrica.

categoría 2023 2024 variación %
distancia 1.11 1.18 5.83
duración 16.79 18.46 9.98
velocidad 4.61 4.27 -7.45

Tabla de elaboración propia

A continuación se pueden observar la apertura por días de la semana de las 3 métricas anteriores.

Evolución por día de la semana según: flujo, periodo y año

Gráfico de elaboración propia

8. Conclusiones

Haz clic para ver más

El presente estudio permitió caracterizar los cambios en los patrones de uso de la Avenida Andrés Bello tras el fin de la reversibilidad vehicular. A través del análisis masivo de datos XDR y técnicas de procesamiento distribuido, se levantó evidencia sobre múltiples dimensiones del fenómeno: volumen de viajes, perfiles de usuario, flujos AM/PM, tramos utilizados, y desplazamientos intercomunales hogar-trabajo.

Entre los principales hallazgos se destacan:

No obstante, es importante subrayar que estos resultados no deben interpretarse como una evaluación definitiva del impacto vial del fin de la reversibilidad. El análisis presentado se enfoca exclusivamente en los viajes detectables vía red móvil, y no contempla otras formas de desplazamiento como transporte público, caminatas o uso de bicicletas, los cuales podrían haberse visto favorecidos por el cambio en la configuración vial.

8.1. Límites del estudio

8.2. Trabajo futuro

Como siguiente etapa, proponemos avanzar en la construcción de un modelo predictivo de impacto vial ante cambios de configuración, especialmente:

Este informe constituye un primer paso hacia la construcción de sistemas de evaluación más ágiles y escalables para políticas de movilidad urbana, y demuestra que, con una buena base metodológica y datos de red apropiados, es posible generar evidencia temprana que contribuya a la toma de decisiones públicas.

9. Anexos

Haz clic para ver más

9.1 Distribución de usuarios por comuna residencial y laboral

Las siguientes tablas muestran la distribución de los usuarios únicos según su comuna de residencia y de trabajo, comparando los años 2023 y 2024. Para cada comuna se presenta tanto la cantidad total de usuarios en cada año (Q 2023, Q 2024) como su variación porcentual (Δ cantidad %), junto con los porcentajes que estos representan sobre el total anual (% 2023, % 2024). Además, se calcula la diferencia en puntos porcentuales (Δ puntos %) y su magnitud absoluta (Δ absoluta) como medida del cambio relativo en la participación. Las filas están ordenadas por la magnitud del cambio porcentual (Δ absoluta), destacando las comunas con mayor reconfiguración en su rol como origen o destino de viajes.

Distribución por comuna de residencia

comuna Q 2023 Q 2024 Δ cantidad % % 2023 % 2024 Δ puntos % Δ absoluta
PROVIDENCIA 3.594 2.911 -19,00 19,69 24,50 4,80 4,80
SANTIAGO 2.751 1.659 -39,69 15,07 13,96 -1,11 1,11
LAS CONDES 1.501 887 -40,91 8,22 7,46 -0,76 0,76
ÑUÑOA 1.153 826 -28,36 6,32 6,95 0,63 0,63
VITACURA 686 373 -45,63 3,76 3,14 -0,62 0,62
LO BARNECHEA 536 285 -46,83 2,94 2,40 -0,54 0,54
QUINTA NORMAL 405 203 -49,88 2,22 1,71 -0,51 0,51
MAIPÚ 759 436 -42,56 4,16 3,67 -0,49 0,49
PUDAHUEL 361 185 -48,75 1,98 1,56 -0,42 0,42
INDEPENDENCIA 257 119 -53,70 1,41 1,00 -0,41 0,41
RECOLETA 583 343 -41,17 3,19 2,89 -0,31 0,31
LAMPA 58 64 10,34 0,32 0,54 0,22 0,22
CERRO NAVIA 206 112 -45,63 1,13 0,94 -0,19 0,19
LA FLORIDA 387 273 -29,46 2,12 2,30 0,18 0,18
HUECHURABA 350 244 -30,29 1,92 2,05 0,14 0,14
LA CISTERNA 167 93 -44,31 0,92 0,78 -0,13 0,13
SAN BERNARDO 233 138 -40,77 1,28 1,16 -0,12 0,12
RENCA 595 374 -37,14 3,26 3,15 -0,11 0,11
LA GRANJA 67 56 -16,42 0,37 0,47 0,10 0,10
SAN MIGUEL 428 268 -37,38 2,35 2,26 -0,09 0,09
LA REINA 349 218 -37,54 1,91 1,83 -0,08 0,08
PADRE HURTADO 122 70 -42,62 0,67 0,59 -0,08 0,08
QUILICURA 319 200 -37,30 1,75 1,68 -0,07 0,07
ESTACIÓN CENTRAL 385 242 -37,14 2,11 2,04 -0,07 0,07
LA PINTANA 74 41 -44,59 0,41 0,35 -0,06 0,06
SAN JOAQUÍN 139 83 -40,29 0,76 0,70 -0,06 0,06
PEÑALOLÉN 344 231 -32,85 1,88 1,94 0,06 0,06
CONCHALÍ 208 129 -37,98 1,14 1,09 -0,05 0,05
PEDRO AGUIRRE CERDA 75 55 -26,67 0,41 0,46 0,05 0,05
SAN RAMÓN 47 35 -25,53 0,26 0,29 0,04 0,04
PUENTE ALTO 394 261 -33,76 2,16 2,20 0,04 0,04
LO PRADO 151 103 -31,79 0,83 0,87 0,04 0,04
CERRILLOS 129 86 -33,33 0,71 0,72 0,02 0,02
MACUL 273 175 -35,90 1,50 1,47 -0,02 0,02
LO ESPEJO 61 39 -36,07 0,33 0,33 -0,01 0,01
EL BOSQUE 96 63 -34,38 0,53 0,53 0,00 0,00
PIRQUE 7 4 -42,86 0,04 0,03 -0,00 0,00

Tabla de elaboración propia

Distribución por comuna de trabajo

comuna Q 2023 Q 2024 Δ cantidad % % 2023 % 2024 Δ puntos % Δ absoluta
PROVIDENCIA 6.858 4.956 -27,73 37,58 41,70 4,13 4,13
LAS CONDES 2.106 1.102 -47,67 11,54 9,27 -2,27 2,27
VITACURA 955 401 -58,01 5,23 3,37 -1,86 1,86
LO BARNECHEA 484 226 -53,31 2,65 1,90 -0,75 0,75
RECOLETA 561 429 -23,53 3,07 3,61 0,54 0,54
RENCA 274 224 -18,25 1,50 1,88 0,38 0,38
QUINTA NORMAL 236 115 -51,27 1,29 0,97 -0,33 0,33
QUILICURA 211 174 -17,54 1,16 1,46 0,31 0,31
PUDAHUEL 165 80 -51,52 0,90 0,67 -0,23 0,23
INDEPENDENCIA 176 93 -47,16 0,96 0,78 -0,18 0,18
PEÑALOLÉN 204 112 -45,10 1,12 0,94 -0,18 0,18
CERRILLOS 67 62 -7,46 0,37 0,52 0,15 0,15
PUENTE ALTO 179 133 -25,70 0,98 1,12 0,14 0,14
SAN MIGUEL 220 159 -27,73 1,21 1,34 0,13 0,13
MACUL 225 131 -41,78 1,23 1,10 -0,13 0,13
ÑUÑOA 738 466 -36,86 4,04 3,92 -0,12 0,12
ESTACIÓN CENTRAL 255 179 -29,80 1,40 1,51 0,11 0,11
LA REINA 244 146 -40,16 1,34 1,23 -0,11 0,11
MAIPÚ 326 224 -31,29 1,79 1,88 0,10 0,10
CERRO NAVIA 83 64 -22,89 0,45 0,54 0,08 0,08
CONCHALÍ 109 81 -25,69 0,60 0,68 0,08 0,08
PEDRO AGUIRRE CERDA 38 34 -10,53 0,21 0,29 0,08 0,08
LAMPA 55 44 -20,00 0,30 0,37 0,07 0,07
LA PINTANA 38 17 -55,26 0,21 0,14 -0,07 0,07
LA CISTERNA 89 50 -43,82 0,49 0,42 -0,07 0,07
EL BOSQUE 52 40 -23,08 0,28 0,34 0,05 0,05
LA FLORIDA 230 144 -37,39 1,26 1,21 -0,05 0,05
SAN JOAQUÍN 80 46 -42,50 0,44 0,39 -0,05 0,05
SANTIAGO 2.326 1.521 -34,61 12,75 12,80 0,05 0,05
SAN BERNARDO 140 87 -37,86 0,77 0,73 -0,04 0,04
LO PRADO 60 42 -30,00 0,33 0,35 0,02 0,02
PIRQUE 9 3 -66,67 0,05 0,03 -0,02 0,02
SAN RAMÓN 28 21 -25,00 0,15 0,18 0,02 0,02
LA GRANJA 29 20 -31,03 0,16 0,17 0,01 0,01
PADRE HURTADO 48 30 -37,50 0,26 0,25 -0,01 0,01
LO ESPEJO 33 20 -39,39 0,18 0,17 -0,01 0,01
HUECHURABA 319 208 -34,80 1,75 1,75 0,00 0,00

Tabla de elaboración propia

9.2 Distancia, duración y velocidad promedio por día de la semana

Las siguientes tablas muestran la apertura por día de la semana, periodo y sentido del flujo de ambos años, junto con sus variaciones porcentuales. Se debe recordar que estas tablas solo están analizando el trayecto recorrido dentro de la avenida Andrés Bello, no todo el viaje.

Distancia promedio recorrida

sentido del flujo periodo día 2023 2024 variación %
oriente a poniente AM Lunes 0,97 1,00 3,09 %
AM Martes 0,88 1,00 13,64 %
AM Miércoles 0,93 1,00 7,53 %
AM Jueves 0,97 1,00 3,09 %
AM Viernes 0,97 0,97 0,00 %
PM Lunes 1,14 1,28 12,28 %
PM Martes 1,18 1,30 10,17 %
PM Miércoles 1,26 1,30 3,17 %
PM Jueves 1,26 1,29 2,38 %
PM Viernes 1,25 1,31 4,80 %
poniente a oriente AM Lunes 1,23 1,26 2,44 %
AM Martes 1,17 1,26 7,69 %
AM Miércoles 1,20 1,26 5,00 %
AM Jueves 1,23 1,24 0,81 %
AM Viernes 1,20 1,21 0,83 %
PM Lunes 0,95 1,07 12,63 %
PM Martes 0,98 1,06 8,16 %
PM Miércoles 1,03 1,08 4,85 %
PM Jueves 1,05 1,09 3,81 %
PM Viernes 1,04 1,10 5,77 %

Tabla de elaboración propia

En ambos sentidos y franjas horarias, se observa una tendencia general al aumento de las distancias promedio en 2024, especialmente en los días martes, tanto AM como PM.

El mayor aumento se registra el martes AM en el flujo oriente a poniente, con un alza del 13,64%, seguido por el lunes PM en el flujo poniente a oriente (+12,63%).

No hay caídas en ningún día ni combinación, lo que sugiere trayectos ligeramente más extensos tras el fin de la reversibilidad.

Duración promedio del viaje

sentido del flujo periodo día 2023 2024 variación %
oriente a poniente AM Lunes 16,90 17,48 3,43 %
AM Martes 13,94 17,36 24,53 %
AM Miércoles 14,93 17,56 17,62 %
AM Jueves 16,78 17,12 2,03 %
AM Viernes 17,00 17,12 0,71 %
PM Lunes 16,20 19,52 20,49 %
PM Martes 16,71 19,67 17,71 %
PM Miércoles 18,89 19,67 4,13 %
PM Jueves 18,93 19,71 4,12 %
PM Viernes 19,15 19,95 4,18 %
poniente a oriente AM Lunes 17,98 18,58 3,34 %
AM Martes 15,38 18,34 19,25 %
AM Miércoles 16,43 18,35 11,69 %
AM Jueves 18,28 18,04 -1,31 %
AM Viernes 17,88 18,10 1,23 %
PM Lunes 14,38 17,65 22,74 %
PM Martes 14,97 17,67 18,04 %
PM Miércoles 16,81 17,95 6,78 %
PM Jueves 17,18 17,84 3,84 %
PM Viernes 17,10 17,93 4,85 %

Tabla de elaboración propia

Se detecta un aumento generalizado en la duración de los viajes, especialmente en el periodo PM, donde varios días superan el 17% de incremento.

*El martes AM en el flujo oriente a poniente destaca con un alza del 24,53%, y el lunes PM en poniente a oriente sube un 22,74%.

Solo un caso (jueves AM, poniente a oriente) muestra una leve reducción (-1,31%), lo que lo convierte en una excepción puntual.

Velocidad promedio del viaje

sentido del flujo periodo día 2023 2024 variación %
oriente a poniente AM Lunes 3,97 3,90 -1,76 %
AM Martes 4,68 3,92 -16,24 %
AM Miércoles 4,50 3,90 -13,33 %
AM Jueves 3,95 4,01 1,52 %
AM Viernes 3,92 3,88 -1,02 %
PM Lunes 4,99 4,31 -13,63 %
PM Martes 4,99 4,34 -13,03 %
PM Miércoles 4,47 4,32 -3,36 %
PM Jueves 4,40 4,31 -2,05 %
PM Viernes 4,30 4,31 0,23 %
poniente a oriente AM Lunes 4,62 4,53 -1,95 %
AM Martes 5,45 4,58 -15,96 %
AM Miércoles 5,05 4,58 -9,31 %
AM Jueves 4,52 4,63 2,43 %
AM Viernes 4,49 4,47 -0,45 %
PM Lunes 4,84 4,14 -14,46 %
PM Martes 4,82 4,14 -14,11 %
PM Miércoles 4,31 4,11 -4,64 %
PM Jueves 4,19 4,21 0,48 %
PM Viernes 4,15 4,16 0,24 %

Tabla de elaboración propia

A pesar del aumento en distancia, la velocidad promedio bajó en la mayoría de las combinaciones, especialmente durante la semana en horario AM.

La caída más pronunciada es el martes AM en el flujo oriente a poniente, con una disminución del -16,24%, coincidiendo con el alza en duración.

Solo algunos días muestran una leve recuperación en velocidad, como el jueves AM en poniente a oriente (+2,43%), aunque son excepciones dentro de un patrón de desaceleración general.